《AppliedMath》：Agent-Based Simulation of the Infection Risk in Variable Indoor Geometries
编辑推荐：
本研究引入了一种结合气溶胶建模的基于智能体（Agent-Based）的行人模拟方法，用于分析空气传播疾病的感染风险，特别关注室内场景及其几何结构。为进行分析，研究人员模拟了一个真实的超市场景，并分析了几何因素对气溶胶浓度相关的感染风险的影响。利用这样一组明确界
本研究引入了一种结合气溶胶建模的基于智能体（Agent-Based）的行人模拟方法，用于分析空气传播疾病的感染风险，特别关注室内场景及其几何结构。为进行分析，研究人员模拟了一个真实的超市场景，并分析了几何因素对气溶胶浓度相关的感染风险的影响。利用这样一组明确界定的几何结构，可以对风险因素进行针对性分析。具体而言，研究人员检验了角状结构是否比平面结构具有更高的病毒载量，实验结果证实了这一点。基于模拟数据专门训练的人工神经网络（Artificial Neural Network, ANN）能够根据气溶胶浓度识别相邻的几何结构，准确率高达94%。
2019年末，新型冠状病毒肺炎（COVID-19）在中国武汉首次被发现，并迅速在全球范围内传播，引发了前所未有的疫情大流行。该疾病由严重急性呼吸综合征冠状病毒2型（SARS-CoV-2）引起。空气传播是感染流行病学中的关键问题，除SARS-CoV-2外，流感病毒、鼻病毒、呼吸道合胞病毒（Respiratory Syncytial Virus, RSV）及腺病毒等多种空气传播呼吸道病原体均可通过直接（物理）接触、间接（污染物介导）接触、飞沫和/或气溶胶途径传播。尽管采取了诸多预防措施，但在密闭空间中，通风和换气对于降低空气传播病毒的暴露风险至关重要，病毒污染的气溶胶在室内仍构成严重威胁。
在此背景下，研究人员开展了这项研究，旨在探讨如何将可变几何结构的建模概念整合到基于智能体的感染事件研究模拟框架中。研究的双重目标在于：一是考察数学模型及相关研究在增进几何特征重要性理解方面的效能；二是探索这些模型及研究为未来几何分析提供参考的潜力。该研究以超市建模为例，采用俄罗斯方块（TETRIS）游戏的几何元素进行建模分析。
研究存在以下关键背景问题：首先，尽管已有基于智能体模型分析超市中病毒空气传播风险的研究，但关于直线通道与转角通道在病毒传播方面是否存在差异仍不明确；其次，建筑中的凹角结构（内角90°）是否比"正常边缘"具有更高的感染风险尚缺乏系统验证；此外，如何量化几何结构对气溶胶浓度分布的影响机制有待深入探究。这些问题的解答对于优化室内空间设计、降低空气传播疾病风险具有重要意义。
研究人员基于社会力模型（Social-Force Model）建立行人动力学模拟，结合 aerosol 扩散方程构建传染病传播模型，并创新性地引入俄罗斯方块几何元素进行室内布局建模。研究使用基于 Python 的自定义软件实现，模拟区域为20m×20m的矩形区域，分辨率因子为2像素/米。研究设置了三种实验场景：场景一使用全部七种俄罗斯方块形状（I、J、L、O、S、T、Z）；场景二仅使用I和O两种凸形方块；场景三使用J、L、S、T、Z五种非凸形方块。每种场景均进行10次重复模拟，每次模拟50名智能体同时活动，智能体池规模为500，模拟时长7200秒。研究还设置了"空"对照组，即移除几何障碍物但保留路径点，以排除可达性差异对结果的混杂影响。
研究结果显示，具有角状结构的俄罗斯方块（JLSTZ）区域智能体数量显著低于凸形方块区域，表明角状结构附近易形成拥堵热点，阻碍额外智能体的进入。气溶胶浓度随时间变化呈现明显差异：凸形方块区域气溶胶浓度线性增长，而角状结构区域从约1000秒起呈近乎指数增长，且测量期末浓度显著更高。在IOJL_STZ配置中，这一差异更为突出。人工神经网络分类结果显示，基于时序气溶胶浓度数据，智能体数量和热图变化等60个输入变量可有效区分角状与非角状结构，三种配置（IO_JLSTZ、IOJL_STZ、IO_STZ）的分类准确率均超过90%，AUC值亦支持角状结构具有显著不同特征的发现。敏感性分析表明，智能体数量是重要的预测变量，在IO_JLSTZ配置中1001-3500秒区间尤为关键，而在IOJL_STZ配置中则为1001-2000秒，这与难以到达的目的地更早出现拥堵的现象一致。
讨论部分指出，尽管智能体本身无侧向偏好，但模拟轨迹呈现以逆时针方向围绕商店周边移动的主导模式，这与入口位于购物区右侧的商店特征相符。商店建筑设计是延长顾客浏览和购物时间的关键因素，逆时针布局可能使顾客行走更长距离。虽然目前尚无商店内移动方向与气溶胶浓度之间的直接明确关联，但这一发现提示建筑布局可能通过影响停留时间而间接影响感染风险。研究还发现中部通道位置是气溶胶热点区域，这与超市通常将热门商品置于远离入口的通道中部以促进额外购买的营销策略有关。研究人员承认该模拟在气溶胶建模方面存在局限：未考虑对流、湍流等复杂流体力学现象，且模型为严格的二维模型，未纳入高度或重力相关效应。未来研究可通过整合计算流体力学（Computational Fluid Dynamics, CFD）方法加以改进。
研究结论部分明确指出：本研究利用基于智能体的行人模型和源自俄罗斯方块游戏的明确几何集合，模拟并分析了空气传播传染病的扩散情况。研究表明，具有角状结构的俄罗斯方块在气溶胶浓度随时间变化的特征方面，与缺乏这种角状结构的方块存在显著差异。具体而言，角状结构内侧或凸侧区域显示出更高的气溶胶污染浓度。这种位置与浓度的关联，部分呈指数增长趋势，通过人工神经网络得以证实。从实际应用角度，超市应优先避免采用角状结构和货架，特别是难以到达角落的结构（如S、T、Z型方块）。其他可能的缓解策略包括增加通道宽度或审慎设置兴趣点。尽管顾客较少时这一效应可能不明显，但在模拟中，随着人数增加，该效应达到与空气传播呼吸道病原体感染相关的显著水平。该论文发表于《AppliedMath》期刊。
